DS検定～模擬試験⑤～ 2024年12月7日 ailearn 1. 契約において「ライセンス契約」が使用される主な場面は次のうちどれですか？ ソフトウェアやデータベースを他者に使用させる場合 物理的な製品を販売する場合 実物の製造業務を委託する場合 一時的なデータ共有を行う場合 None 2. AI実装において「API」を利用するメリットとして最も適切なものは次のうちどれですか？ AIモデルのトレーニングを効率化する モデルのパフォーマンスを最適化する モデルのアルゴリズムを変更するための手段を提供する 外部システムと簡単に連携し、データやモデルを活用できる None 3. 外れ値が多いデータセットで線形回帰モデルを構築する場合、外れ値の影響を軽減するための手法として適切なものは次のうちどれですか？ 外れ値を削除する ロバスト回帰を使用する 標準回帰をそのまま使用する 外れ値を平均値で置き換える None 4. データサイエンスプロジェクトにおける「データライセンス契約」の目的は次のうちどれですか？ データの所有権を譲渡する データの品質を保証する データの削除を要求する データの使用範囲や条件を明確にする None 5. データを扱う際に欠損値が多い場合に最も適切な対応は次のうちどれですか？ 欠損値を推定して補完する 欠損値を全て削除する 欠損値の行だけを削除する 欠損値を無視して分析を進める None 6. 契約において「成果物の保証」が規定される理由は次のうちどれですか？ 成果物が契約で期待される品質基準を満たすことを保証するため 成果物の納品を遅らせるため 契約相手の責任を回避するため 追加費用を請求するため None 7. Pythonにおける「ラムダ式」とは何ですか？ 無名関数を作成するための簡潔な構文 関数の中で別の関数を呼び出すための手法 引数のない関数を定義するための手法 関数の結果をキャッシュするための手法 None 8. ITセキュリティにおいて、「認証」とは何を指しますか？ ユーザーやシステムが正当なものであることを確認するプロセス データの改ざんを防止するプロセス サーバーの負荷を軽減するプロセス データの圧縮を行うプロセス None 9. 分散型DoS攻撃（DDoS）を軽減するために一般的に使用される技術は次のうちどれですか？ データの暗号化 コンテンツデリバリネットワーク（CDN） セマフォの使用 ソルトの使用 None 10. データサイエンスプロジェクトにおける「NDA（秘密保持契約）」が求められる主な理由は次のうちどれですか？ プロジェクトのスケジュールを管理するため 機密情報の漏洩を防ぎ、ビジネス上の競争優位性を保つため データを公開する許可を得るため チームメンバーの仕事量を減らすため None 11. 「特許権」が保護する対象として、次のうち正しいものはどれですか？ 芸術的表現 既存のデータ分析手法 新しいアイデアや発明 公共の情報 None 12. 次のうち、データをサンプルする際に最も適切な方法はどれですか？ 全データを使用する ランダムサンプリングを行う サンプリングを行わない データの一部だけを任意に選ぶ None 13. 生成モデルで使用される「潜在変数」とは何ですか？ モデルの出力に直接関係する観測可能な変数 データの生成プロセスを表現するが、直接観測できない変数 モデルのハイパーパラメータ 出力のラベルに対応する変数 None 14. ITセキュリティにおける「リスクアセスメント」とは何を指しますか？ セキュリティ侵害が発生した後に、データを復元するプロセス ネットワークのトラフィックをモニタリングするプロセス セキュリティリスクを特定し、評価して対策を講じるプロセス ソフトウェアのバグを修正するプロセス None 15. Pythonで「リスト内包表記」を使用して、リスト [2, 4, 6] の要素を2倍にした新しいリストを作成するコードとして正しいものは次のうちどれですか？ [x * 2 for x in [2, 4, 6]] list(map(lambda x: x * 2, [2, 4, 6])) [x + 2 for x in [2, 4, 6]] [x ** 2 for x in [2, 4, 6]] None 16. 生成モデルにおける「確率的生成」とは何ですか？ モデルが常に同じデータを生成すること モデルが観測されたデータだけを再構築すること モデルがランダムなノイズから新しいデータを生成すること モデルがデータのクラスを予測すること None 17. テキストデータを扱う際、トークン化後の単語数が非常に多い場合に生じる問題は何ですか？ 次元の呪い オーバーフィッティング アンダーフィッティング クラスターの数が増加する None 18. データサイエンスプロジェクトで「著作権」が主に保護する対象として最も適切なものは次のうちどれですか？ 数値データそのもの データベースの物理的なストレージ装置 データ分析結果をまとめたレポートやドキュメント 顧客との契約書のひな形 None 19. 契約における「損害賠償条項」が重要な理由は次のうちどれですか？ 双方の責任を回避するため 契約を終了するため コストを削減するため 契約違反が発生した場合の賠償責任を明確にするため None 20. Pythonにおける関数のデフォルト引数について正しい説明はどれですか？ 関数が呼び出されたときに引数が省略された場合、デフォルト引数が使われる デフォルト引数は関数の最初の引数として指定しなければならない デフォルト引数は関数の外で定義される デフォルト引数を使用すると、関数のパフォーマンスが向上する None 21. BERTなどのトランスフォーマーモデルが従来のRNN（リカレントニューラルネットワーク）に対して優れている点はどれですか？ 訓練時間が短い 小規模なデータセットでも優れた性能を発揮する 高度な前処理が不要である 長い依存関係を捉えやすい None 22. 時系列データを扱う際に最も重要な前処理の1つは次のうちどれですか？ 時系列データをカテゴリ型に変換する 欠損値を平均値で補完する データを時間の順序に並び替える 時間に関係なく値をシャッフルする None 23. データ生成において、自己回帰モデルが特に有効なデータタイプは何ですか？ 画像データ カテゴリカルデータ クラスタデータ 時系列データ None 24. AIを事業に実装する際、倫理的なリスクを軽減するための効果的な方法として適切なものは次のうちどれですか？ リスクが発生した後に修正する 倫理的なリスクをAI開発の初期段階から考慮し、ガイドラインを設ける 技術面のリスクにのみ焦点を当てる リスクは不可避として対応しない None 25. 非構造化データ処理において、画像データの特徴抽出によく使用される手法はどれですか？ CNN（畳み込みニューラルネットワーク） K-meansクラスタリング 決定木 線形回帰 None 26. GANのトレーニングにおいて、生成器と判別器が「収束しない」とはどのような問題を指しますか？ 生成器が判別器に対して常に優位な状態になる 生成器と判別器の学習が進まず、最適なバランスが取れない状態になる 判別器が生成器よりも早く収束する 学習データが不十分である None 27. 非構造化データとは何を指しますか？ テーブル形式で保存されたデータ 事前に定義された形式がなく、自由な形で存在するデータ 時系列データ データベースに保存された数値データ None 28. データサイエンスプロジェクトで取得したデータに対する知的財産権の主張を行うためには、次のうちどの条件を満たす必要がありますか？ データの収集方法が独自であり、創作性が認められること データが商業的価値を持つこと データが公的に公開されていること データの量が一定以上であること None 29. AIの事業実装において、プロジェクトのROI（投資利益率）を評価するために最も適切な方法は次のうちどれですか？ 投資額とAI導入による効果を定量的に比較する プロジェクトの進捗を評価する AIの精度のみを評価する モデルの複雑さを評価する None 30. 「GDPR（一般データ保護規則）」に基づき、データサイエンスプロジェクトが遵守すべき主な要件として最も適切なものは次のうちどれですか？ すべてのデータを匿名化し、利用者に事前の説明を行わない 個人データの利用目的を明確にし、データ主体から同意を取得する データ主体から同意を得た場合、全ての利用が無制限で許可される データ主体の削除要求を拒否する権利を持つ None 31. テキスト分類モデルにおいて、マルチラベル分類の実装が必要な場合、次のうち適切なアプローチはどれですか？ 各ラベルごとに独立したバイナリ分類器を作成する 一つの分類器で全てのラベルを一度に分類する ラベルの相関を無視して処理する ラベルの階層構造を前提とした回帰モデルを作成する None 32. データサイエンスプロジェクトにおいて「成果物の所有権」を契約書で明確に規定する必要がある理由として最も適切なものは次のうちどれですか？ 成果物がプロジェクト終了後に誰の管理下にあるかを明確にするため 成果物の品質を保証するため 成果物を全ての関係者が自由に利用できるようにするため 成果物を公開しないため None 33. 事業へのAIの実装において、PoCから本番導入への移行が困難となる理由として適切なものは次のうちどれですか？ PoCでは問題が発生しないため、運用段階でのリスクが高くなる PoCの段階でデータが少なく、本番でのスケーラビリティが確保できない モデルの精度が高すぎるため、過学習が起こる データが一貫していないため、結果が変動する None 34. 以下のPythonコードを実行した場合、結果として正しいものはどれですか？ a = [1, 2, 3, 4]b = [2, 4, 6, 8]result = list(map(lambda x, y: x + y, a, b))print(result) [1, 2, 3, 4, 2, 4, 6, 8] [3, 6, 9, 12] [1, 2, 3, 4, 6, 8] エラーが発生する。 None 35. 音声データ処理において、リカレントニューラルネットワーク（RNN）の代わりにトランスフォーマーモデルが使用されることが増えている主な理由は次のうちどれですか？ トランスフォーマーモデルは、時間的な順序を完全に無視できるため。 トランスフォーマーモデルは、長い依存関係を効率的に学習できるため。 RNNよりも学習速度が遅く、精度が高いから。 トランスフォーマーモデルは、音声データ専用に設計されているから。 None 36. 非構造化データを処理する際に、データの前処理で重要なステップの一つは何ですか？ データの正規化 データの並べ替え データのクラスタリング 特徴量エンジニアリング None 37. GANにおける「モード崩壊」とは何を指しますか？ 生成器が多様なデータを生成できなくなる現象 判別器が過学習する現象 データの一部が学習されない現象 生成器が学習しない現象 None 38. 音声認識モデルにおいて、時間的な依存性を考慮したネットワーク構造は次のどれですか？ 畳み込みニューラルネットワーク (CNN) リカレントニューラルネットワーク (RNN) k-近傍法 (k-NN) 決定木 None 39. 「商標権」とは何を保護する権利ですか？ 特定のデータサイエンス手法 ソフトウェアのアルゴリズム 商品やサービスを識別するための名称やロゴ 公開されたデータベース None 40. AIを事業に実装する際、「リーダビリティ（解釈可能性）」が重要視される理由は次のうちどれですか？ AIのパフォーマンスを向上させるため データの処理速度を上げるため ビジネスユーザーがAIの予測結果を理解し、適切な意思決定を行うため AIモデルを簡単に構築するため None 41. 非構造化データの中で、画像の特徴量を抽出するために使用される「SURF」や「SIFT」は何の例ですか？ オブジェクト検出手法 画像の圧縮アルゴリズム 画像分類モデル 画像の特徴点検出手法 None 42. 次のうち、欠損値を扱う際に考慮すべき重要な点はどれですか？ 欠損値を全て0で置き換える 欠損値の存在を無視して分析を進める 欠損値を全て削除する 欠損値のパターンがデータの偏りを生むかどうかを確認する None 43. Pythonでジェネレータを使用する主な目的として最も適切なものは次のうちどれですか？ 全てのデータを一度にメモリにロードするため。 処理速度を向上させるため。 データを遅延評価し、必要な時に計算して効率的に処理するため。 複雑な計算を簡素化するため。 None 44. 自然言語処理において、トピックモデリングを行うために広く使われる手法はどれですか？ TF-IDF LDA（潜在ディリクレ配分） ワード2ベクトル アテンションメカニズム None 45. 非構造化データ処理において、画像データの特徴量抽出に「ResNet」が有効とされる主な理由は次のうちどれですか？ 高次元データを低次元に圧縮するため。 訓練時間を大幅に短縮するため。 データのラベルなしで学習を進めるため。 勾配消失問題を軽減し、非常に深いネットワークを構築可能にするため。 None 46. データフレーム内のカテゴリデータを数値に変換する際、最も適切な手法は次のうちどれですか？ すべてのカテゴリを数値のランダム値に置き換える カテゴリをワンホットエンコーディングで変換する カテゴリを辞書型に変換する カテゴリ列を削除する None 47. 「セキュアコーディング」の実践が求められる理由として最も適切なものは次のうちどれですか？ システムのパフォーマンスを向上させるため。 プログラムを簡潔にするため。 プログラムにセキュリティ脆弱性が含まれないようにするため。 トレーニングコストを削減するため。 None 48. 大量のテキストデータを処理する際に使用される代表的な技術は次のうちどれですか？ 自然言語処理（NLP） ロジスティック回帰 クラスタリング 主成分分析（PCA） None 49. 画像認識において、画像のサイズや位置の違いに対してロバストなモデルを作成するために使用される手法はどれですか？ データ拡張 クラスタリング 主成分分析 ロジスティック回帰 None 50. 契約書において、データサイエンスプロジェクトの成果物に対する「知的財産権」は、通常どのように規定されるべきですか？ 全ての知的財産権は発注者に帰属する 知的財産権はプロジェクトの契約内容に基づいて明確に規定される 知的財産権は特に明記されない 知的財産権は開発者の所有となる None 51. Pythonのasyncioモジュールを使用して非同期処理を行う場合、関数の前に付けるキーワードは次のうちどれですか？ async await defer yield None 52. 大規模データセットを分析する際に、メモリ使用量を抑えつつ効率的に操作を行うための最適な方法は次のうちどれですか？ データを分割してストリーム処理を行う 全データを一括で読み込み、処理を行う 分析用にすべてのデータをサンプルデータに変換する データサイズを無視して操作を続行する None 53. 大規模な画像データセットを効率的に処理するために使用されるテクニックはどれですか？ 正則化 グリッドサーチ ミニバッチ学習 主成分分析 None 54. ITセキュリティの脅威の一つである「フィッシング攻撃」とは何ですか？ ネットワークトラフィックを監視してデータを盗む行為 ウイルスを送りつけることでシステムを破壊する行為 サーバーに過負荷をかけてサービスを停止させる行為 ユーザーを欺いて機密情報を提供させるための詐欺行為 None 55. 生成モデルにおいて「対比学習（Contrastive Learning）」を取り入れる主な目的は何ですか？ モデルのトレーニング時間を短縮するため。 潜在空間の構造を明確化し、より判別可能な特徴を学習するため。 モード崩壊を防ぐため。 バッチサイズを減少させるため。 None 56. 事業へのAI実装において、部門間の連携を効果的に行うために推奨されるアプローチは次のうちどれですか？ 各部門の目標を統一し、共通のKPIを設定する 各部門が独自のデータを使用し、成果を比較する 技術部門のみがAIプロジェクトに参加する データサイエンティストのみが意思決定を行う None 57. データの整合性を保証するために使用される技術は次のうちどれですか？ 暗号化 ファイアウォール ハッシュ関数 ウイルス対策ソフト None 58. AIやデータサイエンスを事業に実装する際、最初に行うべきステップはどれですか？ データサイエンスチームの編成 ビジネス課題の特定 モデルの選定 組織内での教育 None 59. Pythonにおいて、tryブロック内で発生した例外を捕捉し、その例外に応じて処理を行うための構文は次のうちどれですか？ try-catch try-exception try-except try-finally None 60. Pythonで、コンテキストマネージャ（Context Manager）を作成するための方法として適切なものは次のうちどれですか？ with文を使用する yield文を使用する return文を使用する exec文を使用する None 61. ITセキュリティにおいて、セキュリティパッチ管理の目的として最も適切なものは次のうちどれですか？ システムのパフォーマンスを向上させる データの圧縮率を最適化する システムやソフトウェアの脆弱性を修正し、攻撃のリスクを軽減する データのバックアップを自動化する None 62. ITセキュリティにおいて「2要素認証（2FA）」が導入される主な目的は次のうちどれですか？ データの圧縮率を高めるため 認証の信頼性を向上させ、不正なアクセスを防ぐため アクセス速度を向上させるため ウイルスのスキャン速度を向上させるため None 63. Pythonでforループを用いて、リスト[1, 2, 3]の各要素に1を加えた結果を新しいリストとして出力するコードは次のうちどれですか？ [x+1 for x in [1, 2, 3]] list(map(lambda x: x+1, [1, 2, 3])) for x in [1, 2, 3]: x += 1 map(x+1, [1, 2, 3]) None 64. 非構造化データの特徴量抽出において、音声データからメル周波数ケプストラム係数 (MFCC) を使用する主な理由は何ですか？ 音声データを画像データに変換するため 音声信号を人間の聴覚に基づいた特徴量に変換するため 音声データを標準化するため 音声データを二値データに変換するため None 65. Pythonで「集合（set）」を使う利点として最も適切なものは次のうちどれですか？ 順序付けされたデータの操作が可能である。 要素の重複を自動的に排除できる。 計算量が少ないメモリ使用を実現できる。 要素を効率的に並べ替えることができる。 None 66. 非構造化データの処理において、ディープラーニングを使用する際に直面する最も一般的な課題は何ですか？ モデルの精度が常に低い ラベル付きデータの不足 データの前処理が複雑すぎる ハイパーパラメータのチューニングが不要 None 67. Pythonの辞書型において、新しいキーと値のペアを追加する方法として適切なものは次のうちどれですか？ dict.append(key, value) dict[key] = value dict.update(key, value) dict.insert(key, value) None 68. GANを使用した画像生成において、生成された画像の多様性を評価するために有効な指標は次のうちどれですか？ BLEUスコア 精度（Accuracy） シルエット係数 Fréchet Inception Distance (FID) None 69. 大規模なデータセットを処理する際、データの計算負荷を軽減しつつ代表的なサンプルを使用する手法として適切なものは次のうちどれですか？ ランダムサンプリング フルデータの使用 データの一部を削除 時系列データの全範囲を使用 None 70. AIモデルを事業に実装する際、ステークホルダーがモデルの出力に信頼を置くために必要な条件として最も適切なものは次のうちどれですか？ モデルの予測結果の説明可能性が確保されていること モデルの動作が完全に自動化されていること モデルが最高の精度を達成していること モデルが他の事業と完全に連携していないこと None 71. データサイエンスを事業に実装する際に用いる「PoC（概念実証）」の目的は次のうちどれですか？ 事業全体に導入する前に小規模で効果を確認するため データの前処理を行うため モデルを訓練するため データ分析ツールの選定を行うため None 72. 「ソーシャルエンジニアリング攻撃」を防ぐために最も有効な手段は次のうちどれですか？ ファイアウォールを設置する。 従業員へのセキュリティ意識向上のためのトレーニングを実施する。 データを常に暗号化する。 全てのシステムにバックアップを設定する。 None 73. 非構造化データに対して、生成モデルを用いる場合の最大の利点は何ですか？ 非構造化データから新しいデータサンプルを自動生成できる 非構造化データを自動的にラベル付けできる 非構造化データを低次元空間にマッピングできる 非構造化データの前処理が不要になる None 74. データライセンス契約で、特に注意が必要な項目として最も適切なものは次のうちどれですか？ データの物理的保存場所 データの利用範囲と再利用に関する制約 データ提供者の個人的な意見 データの削除時期に関する規定の排除 None 75. NumPyでの配列（ndarray）の要素ごとに平方根を計算するための関数は次のうちどれですか？ np.sqrt() np.log() np.square() np.power() None 76. 契約において「解除条項」が定められる理由は次のうちどれですか？ 契約を永続的に維持するため 双方の責任を軽減するため コスト削減のために契約を見直すため 契約当事者が特定の条件下で契約を解除できることを規定するため None 77. AI技術の導入に伴い、契約において「プライバシー保護条項」が重要視される理由は次のうちどれですか？ 契約の終了時にデータを削除するため 個人情報や機密データの不正利用を防ぐため 契約内容を一般に公開するため データの質を向上させるため None 78. データの「正規化」を行う目的は次のうちどれですか？ データの分布を平坦化するため データを標準偏差で整えるため データのノイズを削除するため 異なるスケールを持つデータを同一基準に揃えるため None 79. 自然言語処理（NLP）において、テキストの単語やフレーズを数値データに変換する手法として最も一般的なのはどれですか？ トークン化 One-hotエンコーディング TF-IDF 正規化 None 80. 生成モデルのトレーニングにおいて「潜在空間の探索」が重要である理由は何ですか？ 潜在空間を探索しないと、モデルが過学習するから 潜在空間を探索すると、モデルの計算速度が向上するから 潜在空間の探索は必ずしも重要ではない 潜在空間を適切に探索することで、新しいデータの生成品質が向上するから None 81. 契約書における「エスカレーション条項」の主な目的は次のうちどれですか？ 契約を早期に終了させるため 成果物の納品を遅らせるため トラブルが発生した際に、責任者を上位に報告し、迅速に解決策を講じるため 費用を増加させるため None 82. AIを事業に実装する際に、モデルの「ブラックボックス性」が問題となるのは次のうちどの理由ですか？ モデルが複雑すぎて、ビジネスに応用できないため モデルのパフォーマンスが低いから モデルの意思決定プロセスが不透明で、説明が難しいため モデルの計算速度が遅いから None 83. 時系列データを扱う際に「自己相関」を処理するための手法として最も適切なものは次のうちどれですか？ ロジスティック回帰 クラスタリング 自己回帰モデル（AR） データの標準化 None 84. AIモデルを第三者に提供する際、ライセンス契約において重要となる項目は次のうちどれですか？ モデルのアルゴリズムを公開する モデルの精度を保証する モデルの再販を推奨する モデルの使用範囲と利用目的を明確に規定する None 85. ITセキュリティにおいて、データベースに保存されているデータを「静的データ暗号化（Encryption at Rest）」する目的は次のうちどれですか？ データの送信中に盗聴されないようにするため データベースのパフォーマンスを向上させるため データのバックアップを効率化するため データが保存されている状態でも盗まれた場合に解読されないようにするため None 86. CycleGANの主な利点は次のうちどれですか？ 非常に短い時間で学習できる クラスの不均衡なデータに対して強い 多次元データの処理に優れている ラベルなしデータでも異なるドメイン間の変換が可能 None 87. ITセキュリティにおいて、ファイルの整合性を監視する「FIM（File Integrity Monitoring）」の主な目的は次のうちどれですか？ ファイルの変更が正当なものであるかどうかを確認する ファイルの暗号化強度を監視する ファイルの圧縮率を最適化する ファイルの転送速度を向上させる None 88. 次元削減の手法として使用される「主成分分析（PCA）」の主な目的は次のうちどれですか？ データを正規化する データをランダムに並び替える データの次元を削減し、重要な特徴を抽出する データの分布を確認する None 89. 非構造化データの分類において、深層学習の利点として正しいものはどれですか？ 手作業での特徴抽出が不要になる モデルが単純で計算リソースを消費しない 全てのデータを同じアルゴリズムで処理できる 特徴量の選択が容易になる None 90. 生成モデルにおいて、自己回帰モデルはどのようにしてデータを生成しますか？ データのすべてを一度に生成する 前の出力に基づいて次の出力を逐次的に生成する ランダムにデータを生成する データをクラスタリングしてから生成する None 91. AIを事業に実装する際の「デジタルリテラシー」の向上が求められる理由は次のうちどれですか？ 組織全体がAIの仕組みを理解し、効果的に活用できるようにするため データサイエンティストのみがAIを使用するため AIのアルゴリズムを開発するため 経営層のみがAIを管理するため None 92. 「HTTPS」が従来の「HTTP」よりも安全とされる理由は次のうちどれですか？ 通信が暗号化されているため、中間者攻撃を防ぐことができる データの圧縮が行われ、転送速度が速くなるため データが複数のサーバーに分散されているため データベースへのアクセスが制限されているため None 93. AIモデルを事業に実装する際、モデルの持続的なパフォーマンスを維持するために重要な要素は次のうちどれですか？ 継続的なデータの更新とモデルの再訓練 モデルを最初に設定した通りに維持する モデルのアルゴリズムを定期的に変更する モデルを一度設定した後は監視しない None 94. Pythonでジェネレータを使用する利点は次のうちどれですか？ 関数の実行速度を大幅に向上させることができる ジェネレータは自動的にデータを並列処理する 関数の返り値をキャッシュする 大量のデータをメモリ効率良く扱うことができる None 95. データサイエンスに関する業務委託契約で、秘密保持契約（NDA）が必要な理由は次のうちどれですか？ 取引相手に不必要な情報を提供しないため ビジネスに関する機密情報が漏洩するのを防ぐため 交渉を円滑に進めるため コストを削減するため None 96. データのクリーニングにおいて最も一般的に行われる操作は次のうちどれですか？ データの増強 ノイズや欠損値の削除 データの学習 モデルの構築 None 97. 事業におけるAI実装のROI（投資利益率）を評価するために最も重要な要素は次のうちどれですか？ モデルの精度だけを評価する AI技術の開発コストを削減する 実装により得られるビジネス価値を定量化する モデルが使用するデータ量を最小化する None 98. モデルの性能評価において、訓練データに対して高い精度を示すが、テストデータに対して低い精度を示す現象を何と呼びますか？ 過学習（オーバーフィッティング） 欠損補完 ロジスティック回帰 標準化 None 99. 事業へのAIの実装において、事前に整備すべき要素として最も重要なものは次のうちどれですか？ 高性能なハードウェア 十分なデータ データサイエンティストの確保 予算の確保 None 100. AIを事業に実装する際、「データの品質」が重要である理由として最も適切なものは次のうちどれですか？ データ量が多ければ品質は関係ないため 低品質なデータの方がモデルの多様性を高めるため データの品質はビジネス目標に影響を与えないため 高品質なデータがなければモデルの学習が失敗する可能性が高いため None Time's up
